quiz.json

{
  "questions": [
    {
      "stage": "pre",
      "question": "虚拟环境解决了什么问题？",
      "options": [
        "它们通过优化解释器让 Python 代码运行更快",
        "它们隔离项目依赖，使不同项目可以使用不同的包版本",
        "它们提供一个管理 Python 脚本的图形界面",
        "它们自动将包更新到最新版本"
      ],
      "correct": 1,
      "explanation": "虚拟环境为每个项目提供一套独立的包。没有它们，为一个项目安装 PyTorch 2.4 会覆盖另一个项目所需的 PyTorch 2.1。"
    },
    {
      "stage": "pre",
      "question": "在 Python 依赖管理的语境中，锁文件（lockfile）是什么？",
      "options": [
        "一个阻止其他用户编辑你代码的文件",
        "一个把每个包都锁定到精确版本以实现可复现安装的文件",
        "一个锁定 Python 解释器版本的文件",
        "一个加密你项目依赖的文件"
      ],
      "correct": 1,
      "explanation": "锁文件记录每个包的精确版本（包括传递依赖），这样任何人据此安装都会得到完全相同的包，从而确保可复现性。"
    },
    {
      "stage": "post",
      "question": "如何验证你的 pip 和 python 命令用的是虚拟环境而不是系统 Python？",
      "options": [
        "运行 'pip --version' 并检查版本号",
        "运行 'which python' 并确认它显示 .venv/bin/python 而不是 /usr/bin/python",
        "检查终端的背景颜色是否变了",
        "运行 'python --check-env' 来验证"
      ],
      "correct": 1,
      "explanation": "'which python'（在 Windows 上是 'where python'）会显示解释器的完整路径。如果它指向 .venv/bin/python，说明你正处于虚拟环境中。"
    },
    {
      "stage": "post",
      "question": "为什么在同一个环境中混用 pip 和 conda 会有问题？",
      "options": [
        "pip 安装的包与 conda 的 Python 解释器不兼容",
        "pip 安装会破坏 conda 的依赖追踪，造成难以排查的冲突",
        "conda 无法安装 pip 已经安装过的包",
        "它会让每个包占用的磁盘空间翻倍"
      ],
      "correct": 1,
      "explanation": "conda 维护着自己的依赖求解器。pip 安装会绕过它，于是 conda 不再知道环境的真实状态。这会导致难以解决的依赖冲突。"
    },
    {
      "stage": "post",
      "question": "尽管装有 NVIDIA GPU，你的 PyTorch 代码却报告 'CUDA not available'。最可能的原因是什么？",
      "options": [
        "你的 GPU 不支持 CUDA",
        "安装的 PyTorch 所带的 CUDA 版本与你的 GPU 驱动不兼容",
        "你忘记导入 torch.cuda 模块",
        "虚拟环境无法访问 GPU 硬件"
      ],
      "correct": 1,
      "explanation": "PyTorch 附带为特定 CUDA 版本编译的 CUDA 绑定。如果 PyTorch 的 CUDA 版本高于你驱动支持的 CUDA 版本，CUDA 将不可用。可用 nvidia-smi 和 torch.version.cuda 检查。"
    }
  ]
}